搞 AI 建模预测都在用 Python，其实入门用 SPL 也不错

杨利霞

搞 AI 建模预测都在用 Python，其实入门用 SPL 也不错

可用来做人工智能建模预测的工具非常多，比如Python, R, SAS，SPSS等，其中Python由于简单易学、丰富的数据科学库、开源免费等特点备受欢迎。但是对于不太熟悉数据建模算法的程序员来说，使用Python建模还是比较复杂，很多时候拿到数据并不清楚该做怎样的处理，选择什么样的算法。其实，在做数据分析和数据建模时，SPL也是不错的选择，它比Python更简单易用，计算速度也快，交互式的界面对数据分析十分友好，同时还提供自动数据建模功能和一些数据处理以及统计学函数，用起来也很方便。

下面就以一份用户贷款违约预测的数据为例，使用SPL手把手的进行数据建模预测。
, u" k/ d# ~/ j) q9 A
# d8 j- Q. S8 m) [. H1. 确定目标，准备数据
建模预测就是从历史数据中挖掘出规律，然后使用规律对未来可能发生的事情做出预测。这个规律就是一般所说的模型。

5 T5 S5 v3 d% g( y$ ^& [历史数据通常是一张我们俗称的宽表，比如在用户贷款违约预测的例子中历史数据是如下图这样的Excel表格：
7 f) k, M7 u  L
首先，宽表中一定要包括我们想预测的事情，通常称作预测目标，上图中的预测目标就是历史用户的违约行为，也就是图中y那一列，yes表示违约，no表示不违约。预测目标还可以是一个数值，比如产品的销量、售价……，或者是预测属于什么种类，比如预测产品质量是优、良、合格还是差。有时目标在原始数据里就有，可以直接使用，有时目标还需要人工标注。

1 D, G) v+ y, w2 ~' C  [, |* ^除了预测目标外，这里还需要很多信息，如表中的用户年龄、工作，房产，贷款情况……，这里的每一列称为变量，也就是和贷款人将来是否违约可能会相关的信息，原则上能收集到的变量越多越好。例如预测客户是否会购买产品，可以搜集客户的行为信息，购物偏好，以及产品的特征信息，促销力度等；预测汽车保险理赔风险，需要保单数据，车辆信息、车主交通习惯以及历史理赔情况等等，如果是预测健康险还需要一些被保人的生活习惯，身体状况，就医看病的信息；预测商场超市的销售情况，需要历史的销售订单，客户信息，商品信息；预测不良产品，需要生产的工艺参数，环境，原料情况等数据。总之，收集到的相关信息越多，预测效果也会越好。

采集数据时，通常会截取某一段时期的历史数据来制作宽表，比如我们想预测7月份用户的违约情况，可以采集1-6月份的数据来训练建立模型。数据采集的时间范围并不是固定的，可以灵活操作，例如也可以是近1年或者近3个月等等。

5 [# W8 [+ A  e; j1 t准备好的宽表可以是Excel格式或csv格式，第一行是标题，后面每一行都是一条历史记录。

如果企业有建设好的信息系统，那可以找IT部门要这些数据，很多企业的BI系统中可以直接导出这种数据。
( |( F- I8 ~; L
2. 下载软件，配置建模外部库
+ V/ {5 U( n* x! ?  Q' v4 {3 JSPL 在易明建模外部库的配合下可以提供全自动化的建模预测功能。
8 r- Z. t5 x% j: I7 F7 ]
3 H5 F% {) l# r# F% A3 }（1）下载安装集算器（SPL）和易明建模软件
集算器下载：
“http://c.raqsoft.com.cn/article/1595816810031”

- N+ T) A9 J1 f$ V易明建模下载： “http://www.raqsoft.com.cn/download/download-ymodel”
3 Z2 n& C* Z* z/ z+ H
% K6 D9 T+ o# [6 {安装集算器和建模软件，并记录安装目录，比如：C:\Program Files\raqsoft\ymodel
# O2 @' g+ m( f* e
  l* J# l3 C% |  h/ Z

$ b6 {. R" H2 f（2）在SPL中配置外部库
, {  |; r  g* d" h* s（a）复制外部库所需要的文件
在易明建模的安装目录下找 YModelCil 和 lib 文件夹

/ f+ t" G7 @2 C# Y, s3 Q) V% c& w
' r, T/ Y6 w" I9 [' `2 g, P" p3 y
然后去这两个文件夹里找到建模外部库所需要的文件，复制到集算器目录（【安装根目录】\esProc\extlib\YModelCil），比如C:\Program Files\raqsoft\esProc\extlib\YModelCli。

7 i# |2 @# L9 x5 b: E建模外部库所需的文件有：

0 c% S7 n- [- v0 [8 {% d. U1>易明建模目录的YModelCil中含有以下jar和xml
; O; e. t- F3 Z; D
% i  C1 F. C& T. J$ ]3 Nant-1.8.2.jar
/ ~8 Q/ U0 u/ C/ {6 o" u4 Ccommons-beanutils.jar
  [* K2 u+ F7 z  fcommons-lang-2.6.jar
ezmorph-1.0.2.jar
json-lib-1.1-jdk13.jar
raq-ymodel-cli-2.10.jar
userconfig.xml

2>易明建模的lib中含有以下jar
0 H! H$ @5 k5 ^1 X- u& o' [
! Q5 r4 H% D/ q8 D. tcommons-io-2.4.jar
esproc-ext-20211104.jar
fastjson-1.2.58.jar
' R5 J3 H; J/ ^! jgson-2.8.0.jar
jackson-annotations-2.9.6.jar
jackson-core-2.9.6.jar
jackson-databind-2.9.6.jar
' Y. b) F. B0 Y* o4 P1 ljackson-databind-2.9.6-sources.jar
jackson-dataformat-msgpack-0.8.14.jar
mining.jar
3 G- {$ a( ~. \/ V& n$ Ymsgpack-0.6.12.jar
2 z# Y, U/ @* Y3 @0 zmsgpack-core-0.8.16.jar

$ ~7 Q/ R0 F: {& D' D0 o（b）设置userconfig.xml文件参数
在集算器目录esProc\extlib\YModelCil下的userconfig.xml文件中设置参数

名称        参数说明
sAppHome        易明建模的安装目录
sPythonHome        易明建模目录的Python路径 Windows: raqsoft\ymodel\Python37 Linux: raqsoft/ymodel/Python37/bin/python3.7
8 ?% f2 D/ V1 diPythonServerPort        Python服务网络端口
iPythonProcessNumber        Python进程数
bAutoDecideImpute        是否智能补缺
iResampleMultiple        重抽样次数
% ~4 u& ^( u! K9 }* D- O其中必须要配置的参数为sAppHome和sPythonHome，其他参数可以采用默认值，有需要再进行修改。比如可以配置参数如下，加粗部分是必须要配置的，根据自己的安装路径。

$ n1 Z) r5 D, l* W3 J5 e( }( w7 n<?xml version="1.0" encoding="UTF-8"?>
<Config Version="1">
1 N$ c9 T$ ^! m! F8 l, _0 k1 }5 b    <Options>
' ?% }+ Y5 u1 y8 X1 [) C# @" b        <Option Name="sAppHome" Value="C:\Program Files\raqsoft\ymodel"/>
2 ?+ V2 j1 d7 C: C+ n; o                <Option Name="sPythonHome" Value="C:\Program Files\raqsoft\ymodel\Python37\python.exe"/>
                <Option Name="iPythonServerPort" Value="8510"/>
                <Option Name="iPythonProcessNumber" Value="2"/>
              <Option Name="bAutoDecideImpute" Value="true"/>
. Q( m8 ?) f. L7 m' l3 b                <Option Name="iResampleMultiple" Value="150"/>                               
& j+ B' f% a3 |6 \: U) F    </Options>
</Config>
1
2
5 b0 o7 k& [: k# R5 F# d8 ?5 y, E) r3
4
& ]7 V, G& ~, o8 ?0 t$ z' k5
2 u  c0 {4 {- D# _6
7
8
; E0 f6 @" c! Q5 _9 t9
; c% S0 `! i, Y+ M- Y* N' }. `10
11
其实，从这里可以看出，易明建模也是基于Python写的，但它将Python算法做了封装后，程序员就不必再理解算法的数学原理和运行细节了。
. [; }+ C; H% n1 t( ^1 J, V" b
（c）SPL环境配置
" |) M8 V! D4 g1>. 配置外部库
2 [' ^$ t" N4 _8 A, o* U# [/ b
7 |) x. Z$ u6 u+ @打开SPL，在选项菜单里，外部库选择里勾选YModelCli，使其生效。外部库的路径为第（1）步骤中集算器YModelCli的安装路径。
* G- y% v( E. d1 A% Q: `) M

# Z: x8 U5 g1 D; x6 ]
在无图形界面的服务器中去集算器的安装目录下esProc\config\raqsoftConfig.xml文件中进行配置外部库路径和名称。
5 C- u9 J" V! R6 j- k/ ?% `
! s& v( W6 L3 a( }* s<extLibsPath>外部库路径

<importLibs>外部库名称（可多个）

2>. 线程数设置

+ v7 `" _6 @+ d7 i! j9 e如果有并发预测，还需要在SPL设置“最大并行数”，也就是线程数。设置多少用户根据需求和机器情况自行设定。

. I( Q9 Q* ~: U' a" _
) Q4 I+ |9 O$ {  ^5 v+ ~" M
在无图形界面的服务器中去集算器的安装目录下esProc\config\raqsoftConfig.xml文件中进行配置。

  b) f8 G4 Z6 f<parallelNum>最大并行数
  N! D8 {: s9 m1 z$ _  T: D3 p
到此，环境配置完成。

, C% e' O% l; S3. 建模和预测
（1）加载数据
SPL能支持csv，excel或数据库中的数据用于建模，这里以csv为例，其它数据源类似。

设有一个贷款违约数据表如下，需要建模来预测新用户是否会发生违约行为。

# K4 K2 O4 q! ?6 O- U# }3 `" C! F9 U1 |
9 e* h1 o& f" {' D: d1 g# U/ d' X
文件命名为bank-full.csv；
) j3 U. X6 M' \' \" e
3 q# d) V! V6 TA
* H& X! Q9 Z, k# k. W) H1        =file("bank-full.csv").import@tc()
2        =ym_env()
  e, g/ X" y% v3 c3        =ym_model(A2,A1)
A1 导入建模数据，读成序表
2 U: q5 g) V' {8 J9 f
! z$ Z7 [/ E9 `8 J. ?; U
: O% F2 C2 g0 V5 _
7 I1 A" P9 W1 l; L& K. x6 ^4 rA2 初始化环境，执行A2后会在易明建模的安装目录下生成store目录及子目录用以保存数据及结果文件。

& A( G# |5 I$ I$ i# R, T- aA3 加载建模文件，生成md对象
1 e2 p# h  Z. a( S# T8 O" I/ X
* W% i0 D* A  G/ ?0 B（2）目标变量设置和变量统计
* k- `8 {% P( @; F4 U数据加载进来后要设置目标变量
" `% d& ~! K- U1 W% `
! {0 @+ P0 z5 |A
, V* [3 K" T2 S5 f…        …
2 u( Q: p& q+ O: J/ j) B4        =ym_target(A3,"y")
5        =ym_statistics(A3,"age")
6        =A1.fname().(ym_statistics(A3,~))
A4 表示将字段“y”设置为目标变量，目标变量可以是二值变量或数值型变量。
. a3 M! n+ ~2 l. `+ A# a! o
A5 查看某个变量的统计指标，比如 “age”，返回值中可以看到缺失率，最大最小值，异常值，数据分布图等参数。



9 p% o4 e+ {+ f& Z0 X1 u& \A6 循环变量名查看所有字段的统计信息，返回包含所有字段的统计信息二级序列。
) E4 |; v0 d1 k" D1 F+ \; q0 U& w


/ t/ b: U, H1 F: `& r& v（3）建立模型和模型表现
A
…        …
7        =ym_build_model(A3)
8        =ym_present(A7)
9        =ym_performance(A7)
10        =ym_importance(A7).sort@z(Importance)
1 N( }$ c. K0 v6 AA7 使用建模函数建立模型，执行后在后台会进行全自动化数据预处理和建模过程，此过程会耗费一些时间，时间长短取决于数据量。结果返回pd模型对象。
7 S+ h$ w4 u; U& J+ W
/ X8 k6 w+ M2 I$ j模型建好后，可以调用pd模型对象查看模型信息、模型质量和重要度。
9 Y# h) E- w& u4 L0 q6 [2 ^
A8 返回模型AUC值及参数

8 W1 N7 v" d1 e6 l
3 \" I7 M! A5 y$ t2 R) q6 i
A9 返回多种模型指标和图形，诸如AUC，ROC, Lift……

2 {, O# I/ v( }0 h
: U. Z2 D$ r1 h0 G; _
9 k. i7 \" Q% t1 Q. A' N9 R' ]! e$ l比如点击A9的第6条记录的Value，然后点击右上角“图形浏览”图标，数值字段选择“Lift”，就可以查看Lift曲线
$ z8 D2 h, F- S1 \# w0 P
4 H$ e+ B2 w6 O$ v) h
3 F- i' O: y$ R+ ~7 g$ k
A10 会返回每个变量对目标变量的影响程度并且按照重要度降序排列。数值越大对目标变量的影响程度越大。降序排列分析起来更加直观。

' D" |3 J2 V& F% x
4 [# J2 c) @  {, o- Q& w1 C2 ~
# R: p& G0 Y5 E9 C（4）保存模型
A
; _& A- h3 H6 E. m% M…        …
11        =ym_save_pcf(A7,"bankfull.pcf")
12        =ym_json(A7)
- G( w( M* s0 c/ G13        >ym_close(A2)
9 ?5 y0 M$ K+ ~2 H; l/ b" k, x1 vA11 将模型保存为”bankfull.pcf”，默认保存路径为[sAppHome]/store/predict。
6 c& W+ s' R6 Q3 g8 {
# d% u# n) t8 C, R( {+ {A12 将模型信息以json串形式返回。json内容详解可参考在线文档《json参数说明》

: r" X/ `" a, a! pA13 关闭环境，释放资源。

  I  u% H" s# Z' }7 Q. |6 f（5）预测
& L  k# p: E6 ~4 Y! X" \; O预测之前需要有pcf模型文件和预测数据集

% w- j! D) @5 e7 pA
1        =ym_env()
2        =ym_load_pcf("bankfull.pcf")
4 c5 F. A' C. W; f3        =file("bank-full2.csv").import@tc()
/ M1 @# K3 z% K" L4        =ym_predict(A2,A3)
# N* L. }3 e" ?% K$ \5        =ym_result(A3)
6        =file("bank-full_result.csv").export@tc(A4)
7        >ym_close(A1)
A1 初始化环境
4 ~8 K2 Q6 z5 A
A2 导入pcf模型文件，生成pd模型对象。
2 \, U3 @6 `3 Z; i% m
/ C9 x+ o& y# [A3 导入预测数据集，读成序表

A4 对序表数据执行预测。除序表外，还支持游标、csv文件和mtx文件，比如A4也可以直接写成ym_predict(A2,“bankfull2.csv”)

A5 获取预测结果
# S2 ]/ a6 W5 d/ n
A6 将预测结果导出，在本例中预测结果为用户发生违约行为的概率。


3 D- F" |5 T' |A7 关闭环境，释放资源
) v; x3 z- N& |& _4 s
7 h5 S) r5 v& Q& ~/ H3 ]4. 集成调用
SPL还可以被上层应用集成调用，比如SPL可以嵌入到Java应用，详情请参考：http://c.raqsoft.com.cn/article/1615765346560
: [9 s: K# D; ]7 }' H- c6 t5 M
总结
使用SPL配合易明建模来实现数据建模预测非常简单，程序员不需要理解深奥的数学原理，只要准备好训练数据，简单几步就可以完成数据建模任务了。而且还可以轻松地把这个功能嵌入到应用程序中，高深的人工智能不再是少量数据科学家的专利。
5 R- N) A& H# _, U8 F. A
/ J# P9 b' A, V- Y- C" X7 ?, rSPL本来就超强的数据处理能力，能更方便地完成人工智能算法之前的数据准备工作，同时也提供了丰富的数学函数： SPL Math 例程，有些数学基础想自己实现建模过程的同学也可以进一步研究。
; B# `* w+ D& V; p9 E8 ~; G————————————————
版权声明：本文为CSDN博主「java李杨勇」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
- ?/ z& f/ [5 u) P  l! B: O原文链接：https://blog.csdn.net/weixin_39709134/article/details/126698462

% p4 o; y/ q- e1 [; E+ v
$ u. k# i" o9 g. T: K. |